The field grew, the programme did not: differential growth and substrate portability in artificial intelligence and education research, 2016–2026
تتحدى هذه الدراسة المفهوم الخاطئ القائل بأن انخفاض حصص النشر يشير إلى تراجع المجال، وذلك من خلال إثبات أنه بينما نما إجمالي أدبيات الذكاء الاصطناعي في التعليم بمقدار خمسة أضعاف من عام 2016 إلى عام 2026، شهدت مجالات فرعية محددة معدلات نمو متفاوتة مدفوعة بـ "قابلية نقل الركيزة" — أي قدرة البنى البحثية على التكيف مع بيئات بيانات جديدة — بدلاً من التقادم الوظيفي.
على مدى عقود، حاول الباحثون استخدام الحواسيب لفهم كيفية تعلم البشر. فقد بنوا أنظمة لتتبع سلوك الطلاب، والتنبؤ بمن قد يواجه صعوبات، وتعديل الدروس في الوقت الفعلي. اعتمد هذا العمل بشكل كبير على المنصات الرقمية التي تسجل كل نقرة وضغطة مفتاح، مما أوجد مسارات هائلة من البيانات للتحليل. وفي عام 2022 تقريبًا، وصلت تقنية من نوع جديد: نماذج لغوية كبيرة قادرة على توليد النصوص، والإجابة على الأسئلة، وإنشاء المحتوى فورًا. أثار هذا التحول خيال التربويين والباحثين على حد سواء، مما تسبب في طفرة هائلة من الدراسات الجديدة. ولكن مع انفجار حجم الأبحاث، ظهر نمط مربك؛ إذ بدا أن حصة الأوراق البحثية المخصصة للطرق القديمة المعتمدة بكثافة على البيانات قد تلاشت، مما دفع الكثيرين للاعتقاد بأن تلك المجالات قد انتهت. وظل السؤال قائمًا: هل هُجرت الطرق القديمة لدراسة التعلم، أم أنها ببساطة غُرقت تحت وطأة الموجة الجديدة الهائلة؟
وضع فريق من الباحثين هدفًا للإجابة على ذلك من خلال النظر في العدد الفعلي للدراسات المنشورة، وليس فقط نسبتها المئوية. لقد جمعوا ما يقرب من 1200 ورقة أكاديمية من عام 2016 إلى منتصف عام 2026، وقسموا الجدول الزمني إلى عصرين: ما قبل ظهور الذكاء الاصطناعي التوليدي وما بعده. كان هدفهم هو الفصل بين تكوين الأدبيات وبين النشاط الفعلي بداخلها. تخيل مدينة نمت من 100 شخص إلى 1000 شخص؛ إذا ظل حي معين، الذي كان يضم 30 شخصًا، يسكنه 30 شخصًا، فإن حصته من المدينة ستنخفض من 30% إلى 3% فقط. بالنسبة لمراقب ينظر فقط إلى النسب المئوية، سيبدو هذا الحي وكأنه انكمش أو اختفى. لكن في الواقع، لم يتغير عدد الأشخاص الذين يعيشون هناك؛ بل إن المدينة ببساة أصبحت أكبر بكثير. طبق الباحثون هذا المنطق نفسه على مجال الذكاء الاصطناعي في التعليم، ووجدوا أنه بينما انخفضت حصة الأوراق البحثية حول المواضيع الأقدم مثل تنقيب البيانات التعليمية وتحليلات التعلم بشكل دراماتيكي، فإن العدد الفعلي للأوراق حول هذه المواضيع لم يختفِ دائمًا. في الواقع، بالنسبة لبعض المواضيع، ظل عدد الدراسات مستقرًا أو حتى نما، لكنه لم ينمُ بنفس سرعة المواضيع التوليدية الجديدة.
كشفت الدراسة عن قصة نمو متباين وليس استبدالًا كليًا. فقد توسع المجال ككل أكثر من خمسة أضعاف خلال العقد. برامج البحث القديمة، التي اعتمدت على جمع بيانات سلوكية طويلة الأمد من الطلاب، لم تنمُ بنفس الوتيرة المتسارعة. شهد مجالان محددان، وهما تنقيب البيانات التعليمية وتحليلات التعلم، انخفاضًا حقيقيًا في عدد الأوراق الجديدة المنشورة سنويًا. أما مجال آخر، وهو أنظمة التدريس الذكية، فقد حافظ على مكانته، حيث نشر تقريبًا نفس عدد الأوراق كما كان في السابق، رغم أن حصته من إجمالي المجال تقلصت بشكل كبير. وفي الوقت نفسه، انفجرت شعبية مواضيع جديدة مثل النزاهة الأكاديمية، والأخلاقيات، واستخدام الأدوات التوليدية لإنشاء المواد الدراسية، ونمت بسرعة أكبر بكثير من متوسط نمو المجال. واكتشف الباحثون أن بقاء موضوع بحثي ما يعتمد أقل على مسمّاه وأكثر على ما يتطلبه للوجود؛ فالمواضيع التي تتطلب منصات معقدة ومجهزة لجمع بيانات الطلاب لسنوات طويلة عانت لمواكبة الركب، بينما ازدهرت المواضيع التي يمكن استكشافها عبر نصوص بسيطة أو تفاعل فوري، مثل مناقشة الأخلاقيات أو إنشاء خطط الدروس.
هذا التمييز يهم بعمق أي شخص يحاول فهم الحالة الراهنة للمجال. قد ينظر باحث جديد يدخل المجال اليوم إلى قائمة المواضيع الشائعة ويستنتج أن القدرة على تحليل بيانات الطلاب قد هُجرت. ومع ذلك، تُظهر البيانات أن هذه القدرة لا تزال قيد التطوير، ولكن بمعدل أبطأ وأكثر ثباتًا من الزخم المحيط بالأدوات الجديدة. إن العمل القديم لم يُمسح، بل تم تجاوزه. تشير الدراسة إلى أن هذا التحول ليس فشلًا للطرق القديمة، بل هو نتيجة طبيعية لتقنية جديدة متاحة للجميع فورًا، مما خلق فيضًا من الأسئلة الجديدة التي لا تتطلب نفس البنية التحتية الثقيلة للإجابة عليها. بالنسبة للمؤسسات أو التربويين الذين يتطلعون لتبني هذه التقنيات، فإن الدرس واضح: المواضيع الأكثر بروزًا ليست هي المواضيع الوحيدة الموجودة. إن العمل التأسيسي لفهم التعلم من خلال البيانات لا يزال مستمرًا، حتى لو لم يعد يهيمن على العناوين الرئيسية. لم يفقد المجال ماضيه، بل توسع حوله فحسب، حاملاً معه القديم والجديد معًا، ولكن بسرعات مختلفة تمامًا.
ملخص تقني: النمو التفاضلي وقابلية نقل الركيزة في أبحاث الذكاء الاصطناعي والتعليم (2016–2026)
بيان المشكلة تتناول الورقة خللاً منهجياً في كيفية تقييم المجالات البحثية في مرحلة الانتقال. غالباً ما تفسر المراجعات التقليدية انخفاض "حصة" السجلات لبرنامج بحثي معين كدليل على تراجعه أو إزاحته. يجادل المؤلفون بأن هذا يعد "خطأً في التركيب": ففي مجال يتوسع بسرعة، يمكن لشكل بحثي أن يفقد جزءاً كبيماً من حصته النسبية بينما يزداد مخرجه السنوي المطلق في الوقت ذاته. تسعى الدراسة إلى التمييز بين الأدبيات التي هُجرت (انكماش مطلق) وتلك التي تمت مجرد تجاوزها في الحجم (نمو تفاضلي)، وتحديداً في سياق الذكاء الاصطناعي في التعليم (AI-Edu) أثناء انتقاله من الأنظمة ما قبل التوليدية (2016–2022) إلى عصر الذكاء الاصطناعي التوليدي (2023–2026).
المنهجية تعتمد الدراسة مراجعة منهجية وتحليلاً ببليومترياً لـ 1,218 سجلاً تم استردادها من Scopus وCrossref وGoogle Scholar، جرى فحصها بموجب بروتوكول متوافق مع معايير PRISMA 2020. تم تقسيم المتن إلى فترتين: فترة ما قبل التوليد (2016–2022، n = 333) وفترة التوليد (2023–يونيو 2026، n = 885).
تشمل الإجراءات التحليلية الرئيسية:
مؤشر النمو المعدل (G): المقياس الجوهري هو مؤشر النمو المعدل المعرف بـ G=RR/F، حيث RR هو نسبة معدل المخرجات السنوية لشكل محدد بين الفترتين، وF هو إجمالي نسبة نمو المجال (5.32 ضعفاً). جبرياً، يكافئ G نسبة الانتشار (p2/p1). يسمح هذا للمؤلفين بالفصل بين تغيرات التركيب النسبية وتغيرات النشاط المطلق.
تصنيف التقارب: تم وضع تصنيف منقح لسبعة أشكال للتقارب (مثل: الاستبدال، التعزيز، التحليلات، الحوكمة). تفتقر ثلاثة أشكال (الاستبدال، التعزيز، العمل الجماعي بين الإنسان والذكاء الاصطناعي) إلى مفردات ملكية خاصة، وتم قياسها عبر ترميز يدوي لعينة طبقية (n = 200)، بينما قيس غيرها عبر مؤشرات قائمة على المصطلحات.
قواعد القرار: تصنف المعايير المحددة مسبقاً الأشكال إلى خمس فئات (انكماش مطلق، ركود مطلق، نمو دون التناسب، نمو متناسب، نمو فوق التناسب) بناءً على ما إذا كانت فترات نموها تستبعد الوحدة أو نسبة نمو المجال.
تحليل الحساسية: اختبرت الدراسة انحياز تصميم الاسترداد من خلال دمج الفترات لتعريض كلتا الفترتين لكلا المفردات، وضمان عدم كون النتائج نتاجاً لسلاسل البحث عبر إزالة سلاسل الاسترداد من النص.
النتائج الرئيسية ارتفع المخرج السنوي للمجال بمقدار 5.32 ضعفاً بين الفترتين. وتكشف النتائج عن "نمو تفاضلي" بدلاً من الإزاحة الموحدة:
الانكماش المطلق: أظهر تنقيب البيانات التعليمية (EDM) وتحليلات التعلم (LA) انكماشاً مطلقاً في المخرجات السنوية. انخفض EDM من 11.0 إلى 3.4 سجلات/سنة (G=0.06)، ومن LA من 18.0 إلى 12.0 سجل/سنة (G=0.13). ومع ذلك، وُجد أن انكماش LA يعتمد على التصميم؛ فعند تعريض الفترتين لكلا المفردات، أظهر LA نمواً، رغم بقائه دون التناسب مع المجال (G=0.23).
الركود المطلق: ظل نظام التدريس الذكي (ITS) ثابتاً إحصائياً في المخرج المطلق (11.9 إلى 11.4 سجل/سنة، RR=0.96)، رغم انخفاض حصته بنسبة 20.4 نقطة مئوية.
النمو دون التناسب: الأشكال مثل الوكلاء الحواريين، والتغذية الراجعة الآلية، والتنبؤ/الإنذار المبكر، نمت في المصطلحات المطلقة ولكن بمعدل أبطأ بكثير من المجال (G بين 0.39 و0.58).
النمو المتناسب وفوق التناسب: حافظ التعلم التكيفي/المخصص وتيرة المجال (G=0.94). أما الأشكال الجديدة مثل الثقافة الذكائية، والأخلاقيات/الحوكمة، والنزاهة الأكاديمية، والذكاء الاصطناي التوليدي/النماذج اللغوية الكبيرة، فقد نمت بشكل فوق التناسب.
التحقق على مستوى الكود: أكد الترميز اليدوي أن البنى التي تتطلب بيانات طولية مُجهزة (التحليلات، G=0.18؛ والتخصيص الذي يتطلب نماذج فردية، G=0.52) انكمشت أو نمت دون التناسب. وعلى العكس من ذلك، فإن البنى التي لا تتطلب مثل هذه البيانات (الاستبدال، التعزيز، العمل الجماعي بين الإنسان والذكاء الاصطناعي) واكبت المجال أو نمت فوقه (G≥1.12).
المساهمات الرئيسية
إطار القياس: تقدم الدراسة إطاراً يفصل النشاط المطلق عن التركيب النسبي في الأدبيات سريعة التوسع، مما يثبت أن الاختلافات في الحصة هي مؤشرات مضللة للنشاط. كما تؤسس أن نسبة الحصة هي الكمية المعدلة للنمو.
التصنيف المنقح: توفر هيكلاً قياسياً لأشكال تقارب الذكاء الاصطناعي في التعليم، حيث تميز بين التعريفات الوظيفية والمؤشرات التقنية، وتتحقق من أي البنى يمكن استردادها عبر المطابقة الآلية للمصطلحات مقابل تلك التي تتطلب ترميزاً يدوياً.
نظرية قابلية نقل الركيزة: تقترح الورقة أن "قابلية نقل الركيزة" — وتحديداً ما إذا كان الشكل البحثي يعتمد على بيانات طولية مُجهزة — هي المتنبئ الرئيسي للبقاء خلال التحول التكنولوجي. فالأشكال المعتمدة على بنى تحتية بيانات محددة (مثل EDM وLA) عانت للحفاظ على وتيرتها عند انتقال المجال إلى ركيزة (الذكاء الاصطناعي التوليدي) لا تتطلبها.
ديناميكيات الشبكة والموضوع: يظهر التحليل تحولاً في البنية المعرفية للمجال من شبكة متعددة الجسور (ما قبل 2023) إلى جسر واحد مهيمن (الذكاء الاصطناعي التوليدي)، وتحولاً في كتلة الموضوعات من التحليلات والتدريس إلى النزاهة والحوكمة، دون انهيار في الحجم المطلق للموضوعات السابقة.
الأهمية والادعاءات تدعي الورقة أن التحول التوليدي في مجال الذكاء الاصطناعي في التعليم قد أعاد توزيع انتباه المجال بشكل شامل، ولكنه لم يؤدِ إلى التخلي عن البرامج البحثية السابقة من حيث القيمة المطلقة. بدلاً من ذلك، شهد المجال "نمواً تفاضلياً" حيث سمحت الركيزة الجديدة (الذكاء الاصطناعي التوليدي) بتدفق هائل لأسئلة جديدة لا تتطلب البنية التحتية للبرنامج القديم.
ويجادل المؤلفون بأن المجالات الفرعية الداخلة حديثاً (مثل تعليم الإدارة) ترث تركيب الأدبيات عند دخولها، وليس كامل نشاطها التاريخي. وبالتالي، فإن أي مجال فرعي يتبنى الأدبيات الحالية قد يغفل عن الاستمرارية الأساسية للبحث التشخيصي والتنبؤي لأنها لم تعد التركيبة المهيمنة. وتخلص الدراسة إلى أن التمييز بين "التجاوز" و"الهجر" أمر بالغ الأهمية: فالبرنامج السابق لم ينتهِ أو يُلتهم، بل استُكمل بمعدل أقل من معدل المجال الجديد، مما ترك مشكلات مفتوحة (مثل صعوبة الطلاب في التنبؤ) دون حل في مركز المجال. وتشير النتائج إلى أن النمو السريع حول تقنية واحدة يمكن أن يبسط التنظيم الداخلي للمجال هيكلياً، حتى مع توسع الحجم الإجمالي للبحث.